revision pesos

Carlos Delgado

2023-01-25

Distribución empírica de los pesos

Distribución de los pesos según variables

muestra

grafo_box_var('muestra')

m0_sexo

grafo_box_var('m0_sexo')

estrato_disenno

grafo_box_var('estrato_disenno')

tramo_etario

grafo_box_var('tramo_etario')

educ

grafo_box_var('educ')

Descriptivos pesos

ponderador01

resumen_pesos('ponderador01')%>%DT::datatable() 

ponderador02

resumen_pesos('ponderador02')%>%DT::datatable() 

ponderadorlong_total

resumen_pesos('ponderadorlong_total')%>%DT::datatable() 

Aplicación de los pesos a variables

Porcentaje síntomas depresivos según variables y pesos

muestra

grafo_pesos('muestra','phq_s10')

m0_sexo

grafo_pesos('m0_sexo','phq_s10')

estrato_disenno

grafo_pesos('estrato_disenno','phq_s10')

tramo_etario

grafo_pesos('tramo_etario','phq_s10')

educ

grafo_pesos('educ','phq_s10')

Porcentaje de satisfacción con la democracia según variables y pesos

Se consideran los valor 4 y 5

muestra

grafo_pesos('muestra','satis_demo')

m0_sexo

grafo_pesos('m0_sexo','satis_demo')

estrato_disenno

grafo_pesos('estrato_disenno','satis_demo')

tramo_etario

grafo_pesos('tramo_etario','satis_demo')

educ

grafo_pesos('educ','satis_demo')

Interés en política según variables y pesos

Se consideran los valor 4 y 5

muestra

grafo_pesos('muestra','interes_poli')

m0_sexo

grafo_pesos('m0_sexo','interes_poli')

estrato_disenno

grafo_pesos('estrato_disenno','interes_poli')

tramo_etario

grafo_pesos('tramo_etario','interes_poli')

educ

grafo_pesos('educ','interes_poli')

Confianza social generalizada según variables y pesos

Se consideran el valor 2

muestra

grafo_pesos('muestra','confianza')

m0_sexo

grafo_pesos('m0_sexo','confianza')

estrato_disenno

grafo_pesos('estrato_disenno','confianza')

tramo_etario

grafo_pesos('tramo_etario','confianza')

educ

grafo_pesos('educ','confianza')

Autoritarismo según variables y pesos

Se consideran los valor 4 y 5

muestra

grafo_pesos('muestra','autori')

m0_sexo

grafo_pesos('m0_sexo','autori')

estrato_disenno

grafo_pesos('estrato_disenno','autori')

tramo_etario

grafo_pesos('tramo_etario','autori')

educ

grafo_pesos('educ','autori')

Estatus social subjetivo según variables y pesos

Se consideran los valores entre 4 y 6

muestra

grafo_pesos('muestra','estatus_sub')

m0_sexo

grafo_pesos('m0_sexo','estatus_sub')

estrato_disenno

grafo_pesos('estrato_disenno','estatus_sub')

tramo_etario

grafo_pesos('tramo_etario','estatus_sub')

educ

grafo_pesos('educ','estatus_sub')

Satisfacción con la vida según variables y pesos

Se consideran los valor 4 y 5

muestra

grafo_pesos('muestra','satis_vida')

m0_sexo

grafo_pesos('m0_sexo','satis_vida')

estrato_disenno

grafo_pesos('estrato_disenno','satis_vida')

tramo_etario

grafo_pesos('tramo_etario','satis_vida')

educ

grafo_pesos('educ','satis_vida')

Percepción seguridad del barrio según variables y pesos

Se consideran los valor 4 y 5

muestra

grafo_pesos('muestra','seguridad')

m0_sexo

grafo_pesos('m0_sexo','seguridad')

estrato_disenno

grafo_pesos('estrato_disenno','seguridad')

tramo_etario

grafo_pesos('tramo_etario','seguridad')

educ

grafo_pesos('educ','seguridad')

Modelamiento

Modelos Estimados

Los modelos estimados son glm estimados vía gee. La forma de estimación mediante gee permiten tomar en cuenta en las estimaciones la correlación entre las observaciones. Como desventaja frente a los modelos jerarquicos, los anteriores no pueden considerar más de un nivel de anidamiento,

Una nota al pie, es que la estimación de los modelos generó objetos de R de alta cantidad (más de 100 mb), esto incluso excedía el limite para subirlos al repositorio de github. Pero con un método de compresión . Sin embargo, el gran tamaño de los modelos podría deberse a una gran cantidad de iteraciones necesarias para garantizar

Muestra Original

tabla_m1%>%
  select(-statistic)%>%
  mutate(across(c(estimate,std.error), ~round(.x,4)),
         sig=case_when(p.value <0.01 ~ '***',
                       p.value >0.01 & p.value <0.05 ~'**',
                       p.value >0.05 & p.value <0.1 ~'*',
                       p.value >.1 ~''))%>%
  select(-p.value)%>%
            rename(Variable=term,Coeficiente=estimate,`Err. Estándar`=std.error,Significancia=sig)%>%
DT::datatable()

Muestra Refresco

tabla_m2%>%
  select(-statistic)%>%
  mutate(across(c(estimate,std.error), ~round(.x,4)),
         sig=case_when(p.value <0.01 ~ '***',
                       p.value >0.01 & p.value <0.05 ~'**',
                       p.value >0.05 & p.value <0.1 ~'*',
                       p.value >.1 ~''))%>%
  select(-p.value)%>%
            rename(Variable=term,Coeficiente=estimate,`Err. Estándar`=std.error,Significancia=sig)%>%
DT::datatable()

Predicciones de los modelos según categorias

muestra

grafo_preds('muestra')

m0_sexo

grafo_preds('m0_sexo')

estrato_disenno

grafo_preds('estrato_disenno')

tramo_etario

grafo_preds('tramo_etario')

educ

grafo_preds('educ')